ITPub博客

首页 > 大数据 > 数据挖掘 > 电信与金融业数据挖掘的异同(原创)

电信与金融业数据挖掘的异同(原创)

数据挖掘 作者:elizachan 时间:2008-04-17 15:23:52 0 删除 编辑
    在国内,电信业和金融业是数据挖掘技术应用得最为活跃的两个行业。究其原因,数据是挖掘的土壤,海量数据的积累是进行数据挖掘的前提条件。而在各行业中,只有金融、电信、零售、证券和互联网等为数不多的几个行业拥有T级以上的数据。而数据挖掘技术最早就应用在金融业,后来随着电信业的不断发展,数据挖掘才逐步向电信业的应用迁移。将电信业和金融业中的数据挖掘应用是一个比较有趣的问题,在此可以尝试着进行一些简单的比较,不周全的地方望各位补充指正。
    要对两者进行比较,首先需要看看是什么驱动了数据挖掘的应用,是技术?是业务?在我的理解当中,商业上的需要是驱动数据挖掘技术应用的最主要因素。金融业是一个风险厌恶型的行业,银行们总是希望将信贷的风险控制在一定的范围内,就算做市场活动、促销活动的时候,也必须首先考虑风险问题。特别是Basel II之后,风险的管控成为银行首先考虑的一个问题。因此,数据挖掘技术在银行中的应用主要还是围绕风险问题展开的。如个人信贷中,银行往往会关心贷款人的还款能力,换言之,银行需要对贷款人在将来发生拖欠、坏账的概率进行预测。那么,我们就可以运用数据挖掘技术中的分类预测模型来解决这个问题。
    同理,电信业的数据挖掘应用方向也是朝着它的商业目标进行的。拿国内的电信业来说,目前国内的电信业务主要是预付费业务为主,对于运营商来说,客户不付费产生的损失非常小。因此,风险并不是电信业考虑的首要因素。面对同行业的竞争,市场占有率、经营收入才是电信业首先要考虑的问题。如果引入客户生命周期管理的理念,数据挖掘在电信业的应用就是围绕着客户生命周期的几个关键点展开的,它包括:客户获取、交叉销售、提升销售、客户流失等。也就是说,电信运营商是希望同过数据挖掘技术实现市场份额的扩大、客户的保有、经营收入的提升。
    从技术上看,电信业和金融业所运用的数据挖掘技术并无二致。然而从技术细节来看,金融业中的数据挖掘技术运用得更加严谨,讲究方法论,注重建模的细节,而技术上主要采用传统的统计建模技术来实现;而电信业的数据挖掘更讲求效率,一切效率优先,毕竟市场才是主要的,占领市场的关键因素就是要快。另外,由于风险不是电信业主要考虑的因素,所以对建模严谨性的要求较低,建模方法也不拘一格,各种机器学习和人工智能技术都可以广泛地运用。
    最后,我们做一个比喻。在金融业中的数据挖掘就像一个设计精密,走时准确的瑞士机械表。虽然缓慢,但是准确、可靠;而电信业就像装饰时尚华丽的电子表,虽然有时候走得不那么准确,但是新潮、实用。
<!-- 正文结束 -->

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/23727769/viewspace-1121814/,如需转载,请注明出处,否则将追究法律责任。

上一篇: 没有了~
下一篇: 没有了~
请登录后发表评论 登录
全部评论

注册时间:2010-04-15